L'emploi du temps de chaque groupe est disponible sur ADE.
Séance | Date | Intervenant | Contenu |
CM1 | 16/09/2019 | FdM | Introduction Processus KDD et itemsets |
CM2 | 17/09/2019 | FdM | Découverte de motifs fréquents et motifs fermés |
CM3 | 07/10/2019 | MP | Découverte de motifs sous contraintes: vers la fouille de données interactive, Exercices |
CM4 | 14/10/2019 | MP | fin cours motifs et CC (un cc antérieur) |
CM5 | 04/11/2019 | MP | Clustering Problème et méthodes |
CM6 | 12/11/2019 | MP | Classification et prédiction |
TP1 | 19/11/2019 | MP | Echantillonnage direct de motifs |
TP2 | 26/11/2019 | MP | Clustering : détection de Points d'intérêt dans des medias sociaux |
L'objectif de ce projet est de mettre en oeuvre une approche complète de fouille de données depuis le prétraitement des données jusqu'à l'évaluation de la méthode de fouille. Vous pouvez utiliser l'outil Knime ou n'importe quel autre outil ou librairie (e.g., Scikit-learn, Weka, MOA). Vous devez donc produire une chaine de traitement mettant en jeu des algorithmes de fouille de données afin de produire de la valeur ajoutée sur les données étudiées. Il est également possible de réaliser d'autres types de projets comme par exemple un projet centré méthode en implémentant et améliorant un algorithme existant ou encore un projet de sensibilisation aux données personnelles pour le grand public (e.g. faire un workflow qui à partir des données personnelles d'un individu (e.g. données google) reconstruise son emploi du temps, ses points d'intérêt, …).
Vous pouvez choisir le jeu de données de votre choix (après validation avec un enseignant). Voir par exemple Kaggle pour différents jeux de données.
<note>Le rendu du projet (archive) est constitué de :
L'archive est à déposer sur Tomuss (il est possible de mettre des liens vers les sources et la vidéo dans le rapport si trop volumineux).
Date limite de dépôt : 26/01/2020, 23h59 </note>